| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 论文研究工作 | 第12页 |
| 1.5 论文组织结构 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 第二章 相关工作进展 | 第14-22页 |
| 2.1 语音识别相关知识 | 第14-15页 |
| 2.1.1 语音的特性 | 第14页 |
| 2.1.2 语音识别的基本步骤 | 第14-15页 |
| 2.2 语音信号的预处理 | 第15-17页 |
| 2.3 端点检测 | 第17-19页 |
| 2.4 特征提取 | 第19-20页 |
| 2.5 模板匹配 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于MFCC特征参数余弦值的单门限端点检测算法 | 第22-37页 |
| 3.1 相关定义 | 第22-27页 |
| 3.1.1 Mel频率倒谱系数 | 第22-23页 |
| 3.1.2 Mel滤波器 | 第23-24页 |
| 3.1.3 MFCC特征参数的提取 | 第24-25页 |
| 3.1.4 欧氏距离定义 | 第25-26页 |
| 3.1.5 余弦相似性定理 | 第26-27页 |
| 3.2 算法描述 | 第27-33页 |
| 3.2.1 基于MFCC欧氏距离的双门限端点检测算法 | 第27-30页 |
| 3.2.2 算法改进 | 第30-31页 |
| 3.2.3 算法实现 | 第31-33页 |
| 3.2.4 算法分析 | 第33页 |
| 3.3 算法验证 | 第33-36页 |
| 3.3.1 实验数据 | 第33页 |
| 3.3.2 实验方法 | 第33页 |
| 3.3.3 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于LMS滤波与谱减法的降噪算法研究 | 第37-49页 |
| 4.1 相关定义 | 第37-41页 |
| 4.1.1 噪声特点 | 第37页 |
| 4.1.2 语音增强 | 第37-38页 |
| 4.1.3 谱减法降噪 | 第38-39页 |
| 4.1.4 自适应滤波降噪 | 第39-41页 |
| 4.2 算法描述 | 第41-43页 |
| 4.2.1 算法改进 | 第41页 |
| 4.2.2 算法实现 | 第41-42页 |
| 4.2.3 算法分析 | 第42-43页 |
| 4.3 算法验证 | 第43-47页 |
| 4.3.1 实验数据 | 第43页 |
| 4.3.2 实验方法 | 第43页 |
| 4.3.3 实验结果及分析 | 第43-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基于MFCC_COS与LMSSS算法的语音识别及应用 | 第49-69页 |
| 5.1 实验设计 | 第49-51页 |
| 5.1.1 实验数据 | 第49页 |
| 5.1.2 实验方法 | 第49-51页 |
| 5.1.3 语音识别的评价指标 | 第51页 |
| 5.2 实验结果及分析 | 第51-55页 |
| 5.2.1 实验结果 | 第51-52页 |
| 5.2.2 分析与结论 | 第52-53页 |
| 5.2.3 性能分析 | 第53-55页 |
| 5.3 算法展示平台开发 | 第55-62页 |
| 5.3.1 时域与频域分析展示 | 第56-57页 |
| 5.3.2 特征参数的欧氏距离与余弦值对比展示 | 第57-58页 |
| 5.3.3 端点检测算法对比展示 | 第58-60页 |
| 5.3.4 语音增强效果对比展示 | 第60-62页 |
| 5.4 语音交互应用开发 | 第62页 |
| 5.5 应用管理模块 | 第62-65页 |
| 5.6 语音识别模块 | 第65-67页 |
| 5.6.1 Android平台下的录音 | 第65-66页 |
| 5.6.2 音频格式选取 | 第66-67页 |
| 5.6.3 语音的识别处理 | 第67页 |
| 5.7 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 申请学位期间的研究成果及发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |
